11月3-5日，2023国际计算智能最新进展会议在中国石油大学（华东）举办。来自中国、德国、印度、塞浦路斯共和国等国家50余所高校、科研院所的140余名代表参加会议。学校副校长周鹏，欧洲科学院院士、塞浦路斯大学教授Marios Polycarpou出席会议并致辞。

会议由中国石油大学（华东）主办，IEEE 计算智能协会提供技术支持，大连理工大学、中国海洋大学、西安工程大学协办。与会人员围绕神经网络、机器学习、大数据分析和信息安全等计算智能领域的最新进展和未来趋势进行深入探讨，共同推动人工智能领域科学研究和技术发展。

周鹏对各位专家学者来校参会和交流表示欢迎，指出国际计算智能最新进展会议互通研究动态，给相关领域的科研人员和专家学者搭建了交流沟通的平台，在计算智能领域的人才培养、平台建设等方面取得了积极成效，将共同推动国内外计算智能领域的发展与学科间的学术交流。

“当今人工智能发展迅速，能在人工智能领域进行工作是令人兴奋的，未来研究应该朝着帮助他人和促进人类发展的方向进行。本次会议提供了一个集中讨论机器学习、计算智能等方面新领域、新设计、新应用的机会。”Marios Polycarpou教授在致辞中表示。

会议邀请7名计算智能领域的专家学者作主旨报告，设置分组报告58场，与会专家学者分享研究经验，探寻合作机会，增进我国及其他国家在人工智能领域的学术交流。

欧洲科学院院士、比勒费尔德大学教授金耀初在报告指出，组合优化问题中的图神经网络为计算机科学和工程领域带来了新的视角。他介绍了一种创新性解决多目标设施定位问题的方法，并提出图数据分类和着色的解决方案，鼓励进一步探索图神经网络在组合优化中的应用。

印度工程院院士、科学院院士、发展中国家科学院院士Nikhil R. Pal教授围绕神经网络可解释性问题进行讲述，介绍了在设计智能系统或者模型时可解释性的重要性，并深入探讨如何为现有神经网络模型增添可解释性设计，指出智能模型的可解释性将会是未来一段时间内的研究热点。

IEEE会士、国家海外高层次人才、香港浸会大学张晓明教授在报告中提到，不平衡数据分类已经成为计算智能研究的热点之一。他分享了关键数据敏感损失，强调不平衡的数据对分类任务的重要影响。

IEEE会士、国家海外青年高层次人才、华中科技大学伍冬睿教授围绕对TSK模糊系统的高效优化进行分享，详细介绍了TSK模糊系统在处理回归问题与分类问题上的挑战与相应的解决方案，包括优化策略、高维困境、泛化性能等方面，对TSK模糊系统的未来发展进行思考与展望。

IEEE计算智能协会（CIS）副主席、IEEE会士、香港理工大学陈家进教授指出，大规模多目标优化问题是一个具有挑战性的问题，要进化迁移优化，将进化和迁移学习结合起来提升进化的性能。

国际欧亚科学院院士、IEEE会士、重庆大学宋永端教授指出，利用神经网络结合学习算法进行控制器设计已成为智能控制领域的主流方向。他主要探讨了典型的神经网络驱动设计方法，指出很难实现高阶非线性系统的规定时间稳定以及未知时变参数引起的建模不确定性等关键问题。

“在本届大会上，计算智能领域顶尖的研究人员和从业人员汇聚一堂，相互交流，共同探讨了神经网络、模糊系统、智能控制等方面最新的研究趋势，展示了计算智能在不同领域上的重大进展，将有助于促进计算智能及其跨学科前沿领域的研究。”大会共同主席、理学院跨媒体大数据联合实验室主任王健表示。

国际计算智能最新进展会议至今已举办五届，先后有来自美国、英国、印度、澳大利亚、土耳其、白俄罗斯、俄罗斯、南非、罗马尼亚、波兰、比利时等世界各国的计算智能领域的院士、国际电气电子工程师学会会士（IEEE会士）、顶尖专家作特邀报告，受到计算智能领域研究人员的高度关注，成为国际计算智能领域具有重要影响力的平台。

人民日报客户端、新华网、中国教育报客户端、齐鲁晚报客户端、青岛日报社观海新闻等主流媒体对2023国际计算智能最新进展会议进行了关注和报道。

【编辑：马祥艺】